成品油二次配送路径优化模型及混合求解算法

成品油二次配送是油品供应链的重要组成部分,不同的配送方案将直接影响成品油销售企业的利润。以配送总路径最短为目标函数,将成品油二次配送过程中实际的油罐车载质量、加油站油品需求量作为约束条件,考虑油品卸载时间窗,建立了成品油二次配送优化模型,提出了基于混合遗传模拟退火算法的求解方法,并分别使用不带时间窗与带时间窗的算例对模型及算法进行检验。结果表明:与优化前的成品油二次配送方案相比,不带时间窗的算例缩短行驶总路程3.66%;带时间窗的算例求解用时仅9.54 s,其计算速度快,且能够满足配送需求。因而证明了采用基于混合遗传模拟退火算法的成品油二次配送路径优化模型,不仅可以提高计算效率,而且搜索更全面,能够得到更优解。(图4,表1,参25)     

细菌群体趋药性算法在农产品配送车辆调度中的应用

描述了农产品配送车辆调度中存在的问题,建立了带有时间窗口约束的多目标农产品配送车辆调度模型,提出基于细菌群体趋药性算法的求解方法,仿真结果表明,基于细菌体趋药性算法的结果优于遗传算法,为农产品配送车辆调度问题的解决提供了新思路。     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

基于混合遗传算法的车辆优化调度研究

将遗传算法和模拟退火算法结合,设计了一种混合遗传算法（自适应的模拟退火遗传算法）,并根据一般车辆优化调度问题的特性,进行算法的设计,比如染色体的编码方式、遗传算子以及参数的设定等,通过实例进行了仿真实验．结果表明：用这种混合遗传算法求解车辆优化调度问题,具有很好的优化性能．     

生鲜农产品多车型冷链物流车辆路径优化

针对冷链物流配送系统中总成本较高以及车辆有效利用率低的问题,在考虑拥堵指数的基础上,构建以包含碳排放在内的配送总成本最小化和客户满意度最大化为总目标的多车型路径优化模型。采用自适应遗传模拟退火算法,对带有时间窗的冷链物流路径优化问题进行研究。结果表明:1)在配送总成本和客户满意度被视为同等重要的前提下,与采用配送总成本最低的单车型相比,多车型配送的满意度提高1.28%,总目标降低31.40%;与采用满意度最高的单车型相比,多车型的配送总成本降低20.01%,总目标降低38.80%。因此,在上述前提下,多车型相比单车型配送更具优越性。2)与采用传统遗传算法相比,自适应遗传模拟退火算法在配送总成本上降低3.52%,满意度提高29.54%,且能较快求得最优解,验证了该算法的有效性;3)根据模型参数对各目标函数值的影响分析可得,适当的定价可提高满意度,降低碳排放量和货损成本;保质期的增长虽然降低了货损成本,但是会增加制冷成本和时间窗惩罚成本;生鲜农产品对时间敏感度的增加,会增大货损成本,但时间敏感度与配送总成本不成正相关。     

集配货一体化VRP问题的具记忆功能的模拟退火算法研究

针对集配货一体化车辆路径问题的特性,建立了考虑配送车辆出行固定成本、车辆出发满载系数等因素的更加符合实际的数学模型;并设计了一种带记忆功能的模拟退火算法求解模型,确保输出结果是每次寻优的最优解;最后通过算例计算,结果表明,算法求解更优,稳定性更好,计算效率也较高。     

求解车辆路径问题的混合蚂蚁系统

研究车辆路径问题在物流配送系统中具有十分的重要意义。带时间窗车辆路径问题是每个客户的配送都有一个时间间隔限制的一类车辆路径问题。结合最大-最小蚂蚁系统、蚁群系统和最优-最差蚂蚁系统,提出求解带时间窗车辆路径问题的混合蚂蚁系统。实验结果表明:HAS能够有效地解决客户聚簇分布的带时间窗车辆路径问题。     

物流领域的“JIT”——越库调度

越库被称为物流领域的"JIT",通过越库配送可以有效降低库存和运输成本,提高配送效率。越库调度是越库配送的核心问题,主要任务是安排进出配送中心车辆的顺序及其在站台的分配。越库调度是复杂的NP问题,建模与求解异常困难。对越库调度问题的国内外研究现状进行了系统梳理,依据站台分配、越库调度、越库运输计划3种类型,对越库调度问题的模型演变和优化求解算法进行了分类总结。目前,越库调度问题虽然已经取得一些研究成果,但在理论框架、集成调度、动态调度以及与实际应用的结合等方面仍有待加强。     

基于遗传算法的生鲜农产品物流配送路径聚类优化

在居民对饮食品质要求逐步提升的今天,优化生鲜农产品物流配送线路可节约成本,提升相关企业经营效率。首先研究生鲜农产品配送线路优化模型,给出车辆路径问题(vehicle routing problem,简称VRP)和有时间窗车辆路径问题(vehicle routing problems with time windows,简称VRPTW)模式,进而完成生鲜农产品物流配送路径的遗传算法聚类优化设计,给出遗传算法聚类优化实现步骤。采用Matlab完成试验设计,研究生鲜农产品运输外部相似性,分析物流配送聚类结果以及组内路径求取结果,并进行性能测试。结果表明,本方法能够科学配置物流线路,阶跃生鲜运输车辆数目并提高满载率。     

模糊时间窗多目标冷链物流路径规划

针对近几年冷链物流行业高额的配送成本和能源消耗等问题,以冷链物流配送路径为研究对象,建立基于碳排放量、配送总成本和客户满意度的多目标配送路径优化模型。采用贴近实际的模糊时间窗配送方式和自适应灾变遗传算法,对冷链物流运输车辆路径规划和在实际配送中复杂路径问题下的多目标路径优化进行研究。算例分析表明:1)在冷链物流路径配送中,目标函数考虑碳排放时的碳排放量相比不考虑碳排放降低了56%;2)该模型能够在考虑碳排放量和客户满意度的基础上有效地降低配送成本,使多个目标进行有机统一,全局优化;3)该算法对于多目标冷链物流路径优化问题在寻优效率和计算时间上均优于标准遗传算法。     

混洗蛙跳算法在农产品物流配送车辆路径上的应用

针对当前农产品物流配送车辆路径问题中无法满足客户时间需求的问题,对混洗蛙跳算法进行改进,与带时间窗的车辆路径问题相结合进行分析研究,可以有效解决全局收敛和局部收敛问题。结果表明,G-SFLA算法是求解农产品物流配送车辆路径问题的较优方案。     

生鲜食品冷链物流配送路径优化

随着人们生活水平的提高,生鲜食品的新鲜度越来越受到重视,这就对生鲜食品冷链物流的配送提出了更高要求。因此,在现有第3方冷链物流配送路径优化研究的基础上,建立新的成本和约束模型,并给出采用模拟退火算法的优化方法。模型考虑了车辆行驶速度和载重量对运输能耗的影响,区分了车辆在途和装卸阶段的制冷能耗,用指数函数而不是常数来刻画食品的变质速率,运用模拟退火算法对算例进行求解。结果表明,更全面地考虑上述因素得到的配送路径与现有文献中给出的路径明显不同,前者的总成本可以减少约11%。     

基于人工蜂群算法的鲜活农产品冷链物流配送路径优化

鲜活农产品易变质的特性决定了其配送过程的困难性,针对这一难题,拟构建鲜活农产品的变质函数和配送时间的惩罚函数,并依此建立带有时间窗的鲜活农产品冷链物流路径优化模型。通过人工蜂群算法(ABC)对模型进行求解,以自然数编码的方式生成食物源,并讨论食物源的更新公式和适应度函数,研究具体的求解步骤和判断标准。利用数值算例验证了所建模型的合理性,结果表明,人工蜂群算法对此类问题具有有效性和可行性。     

考虑主城区货车交通管制的油品配送计划优化

基于成品油配送的服务特点和车辆安排的影响因素分析,考虑了主城区货运车辆交通管制政策约束,以最小运输费用和运输风险为目标函数,建立了成品油配送计划多目标优化模型。根据北京某石油公司油品配送实际情况,设计了自适应模拟退火遗传算法进行求解,并且研究了主城区货运车辆交通管制政策这一约束条件的可调整性;同时,针对油品资源配置不合理问题,提出基于不同企业串换配送的优化建议。采用现有条件、约束调整及串换配送3种方案进行实例验证,结果表明:完成同样的配送任务,现有配送条件下最小费用成本和风险成本分别为19 303元、4 976元;调整约束条件后,费用成本和风险成本分别下降了0.07%、9.67%;而开展串换配送后,费用成本和风险成本分别下降了11.87%、38.34%,从而降低了成品油配送成本,为提高危险货物运输安全提供了参考价值。     

混合和声搜索算法求解流水制造单元调度问题

研究了单元制造系统(CMS)中,零件族准备时间与顺序相关(SDFSTs)的流水制造单元调度问题(FMCSP),求解目标为最大完工时间(makespan)最小化。根据问题特点提出了混合和声搜索算法(HHS),它通过迭代优化算子来提升解的质量,同时应用一个简单的发散策略来避免算法陷入早熟。该算法与当前最好的启发式算法和几个元启发式算法相比,在查找最优解方面优于这些算法,适合解决实际生产中的流水制造单元调度问题。     

实时路况下同城生鲜农产品配送路径优化

在同城生鲜产品配送过程中,配送时间可能会受到路况信息的影响,因此针对生鲜订单要及时送达客户的问题,结合实时交通信息,对同城冷链物流配送路径优化进行研究。根据问题的描述,从配送区域的实时路况信息出发,提出了基于实时交通路况信息的同城生鲜产品配送路径优化方法,建立了最优路径的数学模型,采用灰色关联度建立路况矩阵,应用改进Floyd算法对算例进行求解和分析,通过可视化界面将路径结果输出,并将在不同时间窗内的配送时间与静态算法下的配送时间进行比较。结果表明,结合实时交通信息的动态路径寻优方法,在路况拥堵高发时间段内,物流配送时间更短、效率更高。     

成品油二次配送研究进展

成品油二次配送是将油品从油库运往加油站及客户的过程,是油品供应链中的重要组成部分,与成品油销售企业的利润息息相关。通过对成品油二次配送的国内外研究成果进行调研,详述了二次配送的常用算法及其当前最新的研究成果,分析得出:随着智能物流的发展,主动配送将成为成品油二次配送未来的发展趋势。同时,由于成品油二次配送问题属于车辆路径问题(Vehicle Routing Problem,VRP),在模型构建和求解方法上有一定的相似性,因此,对车辆路径规划问题进行深入剖析,将其应用于成品油二次配送,进而探讨了成品油二次配送算法改进与发展的空间,给出了成品油二次配送的优化建议。     

一类解决Job shop问题的改进进化规划

将进化规划与模拟退火算法相结合．提出了一种有效的混合调度算法。采用有较强突跳能力的模拟退火算法代替传统进化规划中的变异算子,增强了全局探索能力．减小了入局部极小值的机会;采用基于调度AOE网中关键路径的状态产生函数,缩小了搜索邻域,提高了算法的效率。仿真结果表明,该算法具有较高的求解质量和效率。     

使用贪心模拟退火算法求解WTA问题

目的针对当前常用智能算法在求解武器-目标分配问题时存在的不足,将贪心算法思想融入模拟退火算法中,构建贪心模拟退火算法。方法贪心模拟退火算法的思想是基于模拟退火算法容易陷入局部最优解这一缺陷,将贪心思想融入模拟退火算法中,在每次模拟退火算法产生新解后对其进行局部贪心搜索,寻找到更优解,进而提高求解质量。结果分别使用相同的数据,采用遗传算法、神经网络算法以及贪心模拟退火算法对5个案例进行求解,均得到了最优解。结论贪心模拟退火算法的求解结果远远优于其他2种算法,证明了方法的有效性。     

基于改进的蚁群算法求解多目标生鲜农产品车辆路径

针对考虑价格折扣的带时间窗的生鲜农产品车辆路径问题,用准时到达率和准时到达量表示客户服务质量,建立了以成本最低、服务质量最大和碳排放最少为目标的数学模型。并设计了一种改进的蚁群算法,即在启发因子中加入需求量和时间窗跨度因素,将目标权重加入到信息素的更新策略中,在完成一次迭代后再进行信息素的更新,加快了求解速度、提高了目标准确度,防止了最优解的局部优化。测试算例的结果表明:求解多目标生鲜农产品车辆路径问题时,与基本蚁群算法相比,改进的蚁群算法具有收敛速度快、目标准确度高等优点。